我有这段代码。我有两个特征。我如何将这两个特征一起训练？

from textblob import TextBlob, Word, Blobberfrom textblob.classifiers import NaiveBayesClassifierfrom textblob.taggers import NLTKTaggerimport reimport nltkdef get_word_before_you_feature(mystring):    keyword = 'you'    before_keyword, keyword, after_keyword = mystring.partition(keyword)    before_keyword = before_keyword.rsplit(None, 1)[-1]    return {'word_after_you': before_keyword}def get_word_after_you_feature(mystring):    keyword = 'you'    before_keyword, keyword, after_keyword = mystring.partition(keyword)    after_keyword = after_keyword.split(None, 1)[0]    return {'word_after_you': after_keyword}    classifier = nltk.NaiveBayesClassifier.train(train)lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_after_you_feature)lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_before_you_feature)print(lang_detector.accuracy(test))print(lang_detector.show_informative_features(5))

这是我得到的输出。

word_before_you = ‘do’ refere : generi = 2.2 : 1.0
word_before_you = ‘when’ generi : refere = 1.1 : 1.0

看起来它只获取了最后一个特征。我如何让分类器同时训练两个特征而不是一个？

回答：

您定义了lang_detector两次，第二次定义直接覆盖了第一次。您应该定义一个特征提取函数，该函数返回一个特征字典，每个特征名称作为键。在您的案例中，您可以定义get_word_features(mystring)，它可以返回这样的字典：

return {      'word_after_you': after_keyword,      'word_before_you': before_keyword       }

其余部分与您之前做的一样：将特征检测函数传递给分类器的构造函数，并检查结果。

lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_features)lang_detector.show_most_informative_features(5)